Perseus：基于谱系感知的长读长元基因组测序物种分类置信度估计框架

《Bioinformatics》：Perseus: Lineage-Aware Refinement of Kraken2 Taxonomic Classification for Long Read Metagenomes

　　

摘要

研究动机

长读长元基因组测序能够提高组装的连续性并实现对复杂微生物社区的基因组水平分析，但对长读长和组装contigs进行准确的物种分类仍然具有挑战性。高度可扩展的基于k-mer的分类器（如Kraken2）在应用于长读长数据时，经常会过度分配细粒度分类标签，产生较高的假阳性分类率，这主要由稀疏或局部化的k-mer匹配所致，在具有大量分类新颖性的微生物组中尤为明显。

研究结果

我们提出了Perseus，一个具有谱系感知能力的置信度估计框架，用于物种分类，该框架对序列中k-mer证据的空间分布和层次一致性进行建模。这一方法将物种分类重新定义为层次化置信度估计问题，而非单一层级预测任务。Perseus使用多头卷积神经网络对Kraken2的k-mer级别物种信号进行精细化处理，估计每个标准分类层级的分类正确性校准置信度分数。基于这些估计值，Perseus可以确认分配、回退至更高层级分类，或在证据不足时放弃判定，优先保证正确性和谱系一致性，而非过度具体的分配。在分类新颖性模拟和真实元基因组数据集上，Perseus一致且显著地降低了错误分配率，同时提高了精确度和谱系一致准确性。这些改进在长读长和组装contigs上最为明显，其中空间上下文使得能够可靠地区分一致的物种信号与虚假匹配。

可用性与实现

Perseus可与现有的Kraken2工作流程集成，可在 https://github.com/matnguyen/perseus 获取。